Pesquisadores vinculados à Universidade Federal do Paraná aplicaram técnicas de aprendizado de máquina para analisar dados de 1.358 cérebros e identificar 11 perfis moleculares distintos relacionados à doença de Alzheimer. Publicado na revista Cell Reports, o trabalho demonstra como o processamento avançado de dados pode transformar a compreensão de condições neurodegenerativas complexas.
A investigação integrou a dissertação de mestrado de Lucas Scheidemantel no programa de Bioinformática da instituição paranaense, sob a orientação do professor Ricardo A. Vialle, que também atua na Rush University, nos Estados Unidos. Os insumos para a análise vieram de estudos de coorte de idosos falecidos que passaram por avaliações clínicas anuais em vida, permitindo correlacionar diretamente o histórico de saúde com as alterações encontradas nos tecidos cerebrais.
Para conduzir o mapeamento, a equipe combinou conjuntos variados de informações moleculares com duas ferramentas de aprendizado de máquina chamadas MOFA e SpeakEasy. Os algoritmos foram empregados para descobrir padrões ocultos nos dados sem a necessidade de treinar um modelo preditivo tradicional para antecipar o desenvolvimento da enfermidade.
Inicialmente, o sistema do MOFA sintetizou as informações disponíveis em cinquenta fatores moleculares distintos. Em seguida, a ferramenta SpeakEasy agrupou os participantes com base nas combinações desses fatores gerados, culminando na separação dos onze perfis biológicos agora descritos pela equipe acadêmica.
Alguns dos grupos formados apresentaram pouca ou nenhuma evidência das alterações clássicas atribuídas ao Alzheimer. Outros conjuntos de dados revelaram um comprometimento orgânico muito mais severo, correlacionando-se com dificuldades crescentes na realização de tarefas cotidianas, distúrbios de movimento e maior incidência de lesões cerebrais.
Entre as categorias que exibiram maior grau de afetação, os pesquisadores notaram um perfil marcado pelo acúmulo expressivo de emaranhados da proteína tau, episódios de esclerose do hipocampo e diversas lesões vasculares concomitantes. Esses achados reforçam a tese de que múltiplos processos biológicos operam de forma simultânea no cérebro durante o processo de envelhecimento.
Apesar do avanço metodológico, os autores do estudo enfatizam que os onze perfis identificados ainda não constituem formas clínicas consolidadas da doença de Alzheimer. Também não é possível afirmar, com base apenas nesses dados, que cada grupo possua uma causa isolada ou uma trajetória predeterminada de evolução clínica.
O professor Ricardo A. Vialle pontua que o principal mérito do trabalho reside na demonstração de uma nova abordagem para identificar e caracterizar a complexa heterogeneidade molecular presente nos tecidos analisados. A validação desses achados em outras populações continua sendo um pré-requisito fundamental antes de qualquer aplicação direta na rotina médica.
Um fator limitante apontado pelos cientistas é a predominância de pessoas com ancestralidade europeia na base de dados original, o que restringe a generalização imediata das conclusões para outros contextos demográficos. Superar essa barreira exigirá investigações adicionais com amostras mais diversificadas.
A longo prazo, a integração bem-sucedida entre dados clínicos, genéticos e moleculares poderá abrir caminhos para investigar novas respostas a tratamentos e definir alvos terapêuticos específicos. No entanto, concretizar essas expectativas na prática clínica ainda dependerá de extensas validações por meio de estudos independentes e contínuos.
O uso de ferramentas computacionais avançadas na pesquisa médica brasileira ganha relevância com iniciativas desse porte, destacando a contribuição da bioinformática para a neurociência mundial. A capacidade de processar grandes volumes de dados biológicos consolida-se como um pilar essencial para decifrar enigmas da medicina moderna.
A comunidade científica internacional acompanha esses desdobramentos com interesse, enquanto os pesquisadores da Universidade Federal do Paraná planejam os próximos passos para ampliar a robustez estatística e a abrangência demográfica dos modelos desenvolvidos.
